Social Attribution: hoe zit dat nou?

De gemiddelde consument komt over het algemeen minimaal 6 keer in contact met een merk voordat hij/zij een aankoop doet. 

Hoe weet je nu welk contactmoment het meest belangrijk was? En hoe weet je wat er uiteindelijk voor heeft gezorgd dat iemand een aankoop of aanvraag doet? Was dat het moment dat diegene een branded zoekopdracht deed in Google en daarna converteerde? Of was het die social media campagne waarbij je doel inspireren was, en jij je prospects uitlegde hoe je het product het beste kan gebruiken, waarna hij of zij klikte, maar nog net niet converteerde? 

Dit is precies waar attributie om de hoek komt kijken, zeker op het gebied van social media. Bij iedere transactie heb je te maken met een conversiepad, oftewel meerdere touchpoints voordat je de conversie uiteindelijk doet. Daarmee kun je dus eigenlijk niet direct je social media campagne beëindigen, omdat er niet zoveel conversies op binnen zijn gekomen als via Google Ads bijvoorbeeld. Het is buitengewoon belangrijk om te kijken naar het juiste attributiemodel en hoeveel jouw campagne nu daadwerkelijk heeft bijgedragen aan de lead of sale. 

Tegenwoordig worden sociale kanalen namelijk ook steeds meer als conversie kanalen gezien. En toch herken je vast wel de situatie waarbij je in Facebook hele andere getallen ziet (vaak positiever) dan Google Analytics bijvoorbeeld toont. Hoe zit dat nu precies en waar moet je nu vanuit gaan? En hoe kunnen we het meest zuiver rapporteren vanuit social media? Ik neem je er graag in mee.

Wat is attributie?

Met attributie ga je kijken naar het gehele pad dat iemand heeft afgelegd om uiteindelijk tot de conversie te komen. Denk dan aan welke boodschappen of campagnes diegene heeft gezien en met welke kanalen hij of zij in aanmerking is gekomen. Op die manier wordt er waarde gegeven aan een campagne of kanaal, zodat je kan kijken wat het beste heeft gepresteerd, of het meest heeft bijgedragen aan de conversie. Er zijn verschillende attributiemodellen die je kunt gebruiken.

Soorten attributiemodellen

1. First-touch attributiemodel

Bij dit attributiemodel krijgt het eerste kanaal alle krediet voor de lead of aankoop. Het voordeel is dat dit de makkelijkste manier is om te kijken. Het nadeel is dat je niet weet hoe de customer journey er echt heeft uitgezien.

2. Last-touch attributiemodel 

Dit attributiemodel is vergelijkbaar met het first-touch attributiemodel, maar richt zich dan juist op het kanaal met het laatste contact voorafgaand aan de conversie in plaats van het eerste contact. Het negeert dus als het ware alles wat eerder in het conversiepad plaatsvond. De meeste rapporten in Google Analytics zijn gebaseerd op dit last-touch attributiemodel, of eigenlijk de “last non-direct click”. Om die reden wordt dit model nog steeds veel gebruikt. Maar als je alleen naar de laatste klik kijkt dan kun je met zekerheid zeggen dat die klik en de bijbehorende boodschap ook daadwerkelijk hebben gezorgd voor de conversie. Grote kans dat andere campagnes het desbetreffende persoon ook hebben beïnvloed voordat de keuze werd gemaakt. Zeker voor social media is dit attributiemodel vaak negatief, omdat social media vaak juist in het begin of in het midden van het conversiepad staat.

3. Lineair attributiemodel

Bij een lineair attributiemodel krijgt ieder kanaal in het conversiepad evenveel credits voor de conversie. Het is dus al een stuk eerlijker, maar het nadeel is dat het erg lastig is om te zien welke touchpoints het belangrijkste waren om uiteindelijk de conversie te maken. Want je geeft elke stap in het pad dezelfde waarde.

4. Time-decay attributiemodel

Dit attributiemodel geeft meer waarde aan de touchpoints dichter bij de uiteindelijke conversie dan degenen vooraan in de funnel. Daar is iets voor te zeggen, maar zonder die eerste klik zou iemand misschien ook minder snel voor een tweede keer naar de website van jouw organisatie doorklikken.

5. Position-based attributiemodel

Weer een stapje betrouwbaarder is het position-based model. Dit model geeft standaard de meeste waarde aan de drie belangrijkste touchpoints. 40% aan de eerste, 40% aan de laatste en 20% aan de touchpoints in het midden. Belangrijk bij dit model is dat je wel nagaat of het eerste en laatste touchpoint wel echt even belangrijk zijn.

6. Algorithmic attributiemodel

Dit is het meest nauwkeurige attributiemodel en wordt ook vaak data-driven genoemd. Middels machine learning wordt er waarde gegeven aan de touchpoints die de grootste bijdrage hebben geleverd. Dit model is inbegrepen als je de betaalde versie van Google Analytics hebt (GA360) met een minimum aantal interacties en conversies, maar is zodoende niet voor iedereen beschikbaar. Als alternatief kun je echter wel gratis gebruikmaken van Google Attribution, naar andere tools kijken of zelf je eigen model ontwikkelen. 

Het lastige aan attributiemodellen is dat je idealiter het algoritmische model gebruikt, maar dat het in de praktijk vaak te duur of bewerkelijk is. En het ene rapport bevat weer andere data dan het andere. Je zult het dus vaak moeten doen met een model wat het dichtste bij de werkelijkheid komt. 

Hoewel van de standaard modellen het time-decay en position-based het meest nauwkeurig zijn, kun je gelukkig ook zelf een gewogen model samenstellen via multi-channel trechters (MCF) in Google Analytics. Hieronder zie je een voorbeeld hiervan. Je kunt daarbij dan ook rekening houden met de gemiddelde tijd tot een conversie en minder waarde geven aan directe conversies. Of juist impressies meewegen, bijvoorbeeld. 

De waarde van direct zal in MCF rapporten wel altijd hoger zijn dan in de standaard rapporten, omdat die maximaal naar de afgelopen 90 dagen kijken in plaats van de afgelopen 6 maanden. Zo worden oude klikken vanuit organisch of social media bijvoorbeeld niet meer meegeteld als ze langer dan 90 dagen geleden zijn.

In Google Attribution heb je vaak wel de beschikking over een datagedreven attributiemodel en worden directe klikken er helemaal uit gefilterd.  

Zoals je ziet, gaat het dus echt een stuk verder dan first-touch en last-touch en zoals ik ook al benoemde is dit dus voor social media super belangrijk. Wanneer je naar het patroon van het social media gebruik kijkt, is dit nog steeds vooral vanuit verveling of voor inspiratie en nog wat minder vanuit een koopintentie. 

Nu zien we wel dat social media kanalen steeds meer mogelijkheden bieden om direct een aanvraag te doen of producten te kopen, met onder andere lead ads, productadvertenties en complete shops op basis van een aangeleverde e-commerce catalogus. 

Social media & attributie

Je herkent het vast door de volgende situatie; Wanneer je je conversie-campagne in de social reporting omgeving gaat bekijken, dan zal je waarschijnlijk met een grote glimlach achter de computer zitten. Je ziet vaak relatief veel conversies binnenkomen vanuit je campagne. Echter, wanneer je dan in Google Analytics kijkt dan ben je vaak teleurgesteld. Je ziet geen één conversie terug. Hoe kan dat?

Dit heeft dus te maken met de verschillende attributiemodellen. Facebook rekent vrij veel toe aan zichzelf. Het werkt met een 7 dagen weergaven en een 1 dag klikken attributiemodel. Heb jij dus een advertentie gezien in de afgelopen 7 dagen en je converteert daarna via Google, dan rekent Facebook hem toch aan zichzelf toe. Kijk jij in Analytics, dan zal jij zien dat Google deze conversie krijgt, maar dat Facebook – als hij echt dichtbij de conversie was en mogelijk meetbaar – er geen krijgt of enkel te zien is bij ondersteunende conversies. 

Facebook rapporteert op 7 dagen weergaven en 1 dag klikken, waarbij je bij Pinterest bijvoorbeeld de mogelijkheid hebt te switchen tussen de conversie-window (bijvoorbeeld 1/1/1 of 30/30/30). Het verschilt dus per social media kanaal hoe gerapporteerd wordt en kijk dus altijd even waar deze op staat bij jouw campagne rapport. 

Maar waar moet ik dan nu kijken?

Wij adviseren een combinatie van data. Idealiter wil je uitgaan van Google Analytics, dat is het meest zuiver. Maar dat betekent niet dat je de data van Facebook volledig links moet laten liggen. Als jij ziet dat daar beduidend meer conversies zijn geweest, dan kun je je afvragen of de interactie dan ook goed is geweest en of er veel verkeer naar de website is gegaan. Grote kans dat je campagnes zeker wel impact hebben gehad op de conversies vanuit andere kanalen zoals je ze terugziet in Google Analytics. 

Om je te helpen wat meer inzicht te krijgen in je Social Media efforts hebben we een paar tips. 

Social inzichtelijk krijgen in GA

1. UTM Tagging

Om al jouw efforts en het succes van je social media campagne meetbaar te maken is het een goed begin om altijd UTM tracking mee te geven aan je campagne. 

UTM’s zijn parameters die je aan een link kan toevoegen zodat je in Google Analytics goed kan zien waar iemand vandaan komt. Je geeft een bron, een medium en een campagne mee om dieper inzicht te krijgen. Hieronder een voorbeeld:

https://www.voorbeeld.nl/landing-page?utm_source=facebook&utm_medium=cpc&utm_campaign=socialmedia

De UTM’s komen terug in Google Analytics rapporten, kijk maar eens bij je bron/medium rapport of campagne rapport na het gebruiken van UTM’s. Je kunt dit doen via de UTM Campaign Builder of je gebruikt de ingebouwde dynamische UTM-builder van Facebook zelf. 

Het is belangrijk dat je aan elke advertentie dus UTM’s hangt, met minimaal de bron, het medium en de campagnenaam. 

2. Zet concrete doelen op je campagne

Als tweede is het belangrijk dat je je social media campagnes concrete doelen mee gaat geven. Wat wil je bereiken en hoe ga je dit meten? Stuur je op conversies en waar ga je die conversies uit halen: Facebook of Google Analytics? 

Je kunt ook kleinere gebeurtenissen op je website als conversie rekenen, wanneer je naar social campagnes gaat kijken. Denk bijvoorbeeld aan “add-to-carts”, het bekijken van minimaal 4 pagina’s of een langere sessieduur dan gemiddeld. Op deze manier bepaal je of het verkeer vanuit je campagne kwalitatief is geweest en of je campagne een succes is. 

Voorbeeld:

Ik ga een conversie-campagne draaien met het doel conversies voor een CPA van 15 euro. Als subdoel, om te kijken of het verkeer goed is, wil ik dat de engagement rate boven de 2% ligt en dat de gebruikers op de website minimaal 3 pagina’s bekijken.

Met deze KPI’s kun jij je campagne een stuk beter analyseren. 

3. Maak gebruik van segmenten en het ondersteunende conversies rapport

Wanneer je de UTM-tagging op de juiste manier doet kun je gemakkelijk segmenten aanmaken in Google Analytics. Op deze manier kun je nog beter analyseren wat verkeer uit jouw social media campagne doet en of ze daarna bijvoorbeeld ook nog via andere kanalen binnenkomen. 

Handige rapporten om te gebruiken:

• Multi-channel trechter-rapport
• Ondersteunende conversies-rapport
• Tool voor modelvergelijking
• Google Attribution (data-driven model)